BACKGROUND: Coronary heart disease (CHD) is a leading global cause of death, with established links to various risk factors. Recent evidence suggests an association between impaired masticatory function and CHD, but the causal nature of this relationship remains unclear.
METHODS: To investigate the causal relationship between masticatory function and CHD, we propose a novel hybrid approach that combined constraint-based and score-based methods to learn causal Bayesian network (CBN) structures from observational data. The proposed method is compared against PC, TAN, Naive Bayes, Chow-Liu, and
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Similar symptoms, such as chest pain, shortness of breath, and palpitations, have been observed in Non-ST elevation myocardial infarction (NSTEMI) and aortic dissection (AD), making diagnosis challenging. Recognizing the distinction between them is essential for prompt treatment. This study was to establish a model based on machine learning (ML) to improve diagnosis accuracy METHODS: 353 individuals’ clinical characteristics and laboratory results (193 AD, 160 NSTEMI) were analyzed. The Least Absolute Shrinkage and Selection Operator (LASSO) regression analysis was used to identify
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Alzheimer's disease (AD) poses a growing global health challenge, with visuospatial impairments emerging as early indicators that can be detected through eye movement analysis. However, existing methods face two key limitations: first, they often analyze eye movements in isolation, without exploiting explicit saliency patterns for comparison; second, temporal attentional dynamics across sequences remain underexplored and fail to capture the temporal evolution of abnormal visuospatial patterns. To address these challenges, we propose a depth-induced saliency comparison network (DISCN). The DISC
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Prostate cancer (PCa) is characterized by pronounced intratumoral heterogeneity and multifocality, presenting ongoing challenges for early and precise diagnosis. In clinical practice, a substantial proportion of patients initially diagnosed with benign prostatic hyperplasia (BPH) are subsequently found to harbor latent PCa during follow-up. However, current prostate-specific antigen (PSA)-based screening lacks the specificity required to resolve this diagnostic overlap. This study aimed to develop and internally validate an interpretable machine learning (ML) model as an adjunct to
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Early-stage breast cancer is often asymptomatic, highlighting the critical role of computer-aided diagnostic(CAD) systems in mammography screening. While radiologists often refer to bilateral symmetry to identify abnormalities, most existing CAD methods analyze unilateral views or require image registration, which limits their ability to model structural heterogeneity and often introduces distortion. To address this, we propose a registration-free, structure-aware diagnostic framework that integrates bilateral mammography with soft spatial prompting via Vision Transformers (ViT). By directly c
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Treatment of chronic pain often relies on long term use of analgesics, such as opioids like morphine. However, the habit-forming natures of such substances can pose a significant risk. Furthermore, since chronic pain is developed through a maladaptive plastic change in neuronal networks, the effect of morphine on patients with chronic pain may be different than its effect on healthy patients. We previously developed and used an advanced complementary metal-oxide-semiconductor (CMOS) sensor to record video of ventral tegmental area (VTA) activity in response to acute pain and pain chronificatio
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Drug repositioning aims to identify new therapeutic indications for existing drugs, yet current deep learning approaches on multi-source biological data face limitations in both homogeneous and heterogeneous network modeling. In homogeneous similarity networks, random masking-based self-supervised learning neglects intrinsic clustering structures of biological entities and fails to capture high-order semantics, while in heterogeneous networks, sparse associations limit the effectiveness of metapath-based reasoning. To address these challenges, we propose DRCMDA, a dual-view drug repositioning
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Preeclampsia is a multifactorial hypertensive disorder of pregnancy with heterogeneous clinical presentation and outcomes. Current classification systems inadequately capture the substantial clinical heterogeneity of preeclampsia. This study aimed to identify and characterize distinct phenotypic clusters of the disease using preterm birth-related risk factors.
METHODS: This retrospective cohort study included 4,132 singleton pregnancies with preeclampsia between January 2014 and December 2024. We performed unsupervised k-means clustering based on 22 preterm birth-related clinical
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Developing heart sound classification algorithms for murmur identification is critical for early screening of heart diseases. However, identifying murmurs in long-duration heart sound signals can be challenging due to their weak features and interference from noise. Considering the periodic patterns of heart sounds and murmurs, periodic priors can be introduced to enhance murmur identification, an approach that remains underutilized in current methods. In this study, we propose a novel Dual-level Periodic Pattern-Aware Transformer (DPPAT) to implicitly leverage the periodic priors of heart sou
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Gestational anemia significantly elevates the risk of adverse maternal and neonatal outcomes, necessitating early predictive tools for targeted intervention. This study aimed to develop and validate a robust machine learning (ML) framework to forecast perinatal complications and facilitate early risk identification.
METHODS: Perinatal mortality, preterm birth, low birth weight and macrosomia are defined as adverse outcomes. Analyzing a retrospective cohort of 5,710 pregnant women, we identified 22 initial variables using Lasso regression integrated with seven ML-based screening al
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
AIM: The aim of the study was to measure compliance with parenteral nutrition guidelines after the implementation of individualized prescription software for extremely low-birth-weight preterm infants and the impact of these guidelines on postnatal growth at 36 weeks.
MATERIALS AND METHODS: All newborns with a birthweight of less than 1000 g who were born between January 2012 and December 2015 (period A), between January 2019 and September 2021 (period B), without malformation or congenital anomalies, and admitted to the University Hospital of Rennes within the first 24 hours of life were inc
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Recurrent miscarriage (RM), affecting 1–2% of couples, often lacks a clear etiology, complicating prognosis and care. Machine learning (ML) offers a potential paradigm shift by enabling robust risk stratification. This systematic review synthesizes the current landscape of ML applications for predicting RM, evaluating methodological quality, performance, and clinical translatability. METHODS: We systematically searched PubMed/MEDLINE, Scopus, and Web of Science until 9 December 2024. Studies developing or validating ML models for predicting RM or related pregnancy loss were include
СтатьяСистематический обзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Effective risk stratification is crucial for managing cervical lesions. This study aimed to develop and evaluate machine learning models to improve the detection of cervical intraepithelial neoplasia (CIN) grade 2 or worse (CIN2+) and CIN3+. METHODS: This retrospective study included 2,863 participants. We developed three models: a Logistic Regression (Logit.Model), a Random Forest (RF.Model), and an XGBoost (XGBoost.Model) to predict CIN2 + and CIN3 + status. The dataset was split into training (60%) and test (40%) sets. Model performance was assessed using AUC, calibration curves
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Chronic kidney disease (CKD) is a critical, progressive condition associated with high mortality and substantial healthcare costs. Early detection is essential, as it can slow disease progression and improve patient outcomes. With the increasing availability of large-scale electronic health records (EHRs), the question arises to what extent these data, when combined with machine-learning algorithms specifically tailored to EHR characteristics, can enhance personalized CKD risk prediction.
METHODS: We developed a transformer model adapted from BEHRT (Bidirectional Encoder Represent
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Digital health care technologies, including mobile applications and telemedicine platforms, have transformed how medical professionals communicate and deliver care. Remote consultation by doctors plays a vital role in ensuring access to appropriate expertise, particularly in medically underserved or geographically remote areas. However, the diversity in technological modalities, devices, and patterns of use across specialties and regions has not been systematically mapped.
OBJECTIVE: This study aimed to explore the current status and characteristics of teleconsultations among medi
СтатьяОбзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Digital transformation is increasingly reshaping healthcare delivery worldwide; however, the adoption of digital health systems in developing and resource-constrained economies remains constrained by infrastructural limitations, poor alignment with clinical workflows, inadequate user involvement, and resistance to organizational change. Many digital healthcare initiatives in these settings continue to experience implementation and sustainability challenges, partly due to the absence of context-specific and evidence-based transformation models. Consequently, this study aimed to deve
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Stratifying sickle cell disease (SCD) severity remains challenging, particularly in resource-limited settings. Artificial intelligence (AI) models using routine complete blood count (CBC) parameters have been proposed as accessible tools for risk stratification; however, their overall performance and clinical applicability remain uncertain.
METHODS: We conducted a PRISMA-DTA 2020-compliant systematic review and meta-analysis (PROSPERO: CRD420251078389) including 60 studies (25,354 patients across 15 countries, 2010-2025). AI models based on CBC parameters were evaluated against he
СтатьяСистематический обзорПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Continuous monitoring of Hearth Rate (HR) based on photoplethysmography (PPG) sensors is an essential capability of nearly all wrist-worn devices. However, arm movements lead to the creation of Motion Artifacts (MA), affecting the accuracy of HR tracking using PPG sensors. This problem is commonly tackled by exploiting the recorded accelerometer data to correlate them with the PPG signal and eventually clean it. Thus, automatic fusion techniques based on Deep Learning (DL) algorithms have been proposed, but they are considered too large and complex to be deployed on wearable devices. The curre
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The key to achieving assist-as-needed (AAN) control in rehabilitation robots lies in accurately predicting patient motion intentions. This study, for the first time, redefines motion intention prediction from the perspective of sequence-to-sequence translation by analogizing sEMG signals and joint angles to the source language and target language, respectively. The proposed 3DCNN-TF model achieves precise translation of neural control signals into kinematic representations. This model comprises three modules: an sEMG "sentence" generation module that compiles multiple sEMG sliding windows into
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
In the medical field, the use of sensors and wearable devices is now widely regarded as a routine support technique for clinical evaluations. Given the advancements in activity recognition from wearable devices in recent years, it is reasonable to explore the potential of similar data as clinical assessment tools for monitoring the progression of chronic diseases. In the current state of the art, datasets collected using wearable devices for subjects with diseases are relatively rare, and their availability becomes even more limited when focusing on pediatric subjects. Therefore, we decided to
СтатьяDatasetПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования